【算法】第一章算法复杂度

最新推荐文章于 2024-11-05 01:41:28 发布

qq_29989739

最新推荐文章于 2024-11-05 01:41:28 发布

阅读量132

点赞数

分类专栏：算法文章标签：算法排序算法数据结构

版权

关键词由CSDN通过智能技术生成

2 篇文章 0 订阅

订阅专栏

算法

算法复杂度旨在计算在输入数据量 NN 的情况下，算法的「时间使用」和「空间使用」情况；体现算法运行使用的时间和空间随「数据大小 NN 」而增大的速度。

算法复杂度主要可从时间、空间两个角度评价：

「输入数据大小 N 」指算法处理的输入数据量；根据不同算法，具有不同定义，例如：

排序算法： N 代表需要排序的元素数量；
搜索算法： N 代表搜索范围的元素总数，例如数组大小、矩阵大小、二叉树节点数、图节点和边数等；
接下来，本章将分别从概念定义、符号表示、常见种类、时空权衡、示例解析、示例题目等角度入手，介绍「时间复杂度」和「空间复杂度」。

概念定义
根据定义，时间复杂度指输入数据大小为 NN 时，算法运行所需花费的时间。需要注意：

（即执行的次数）统计的是算法的「计算操作数量」，而不是「运行的绝对时间」。计算操作数量和运行绝对时间呈正相关关系，并不相等。算法运行时间受到「编程语言、计算机处理器速度、运行环境」等多种因素影响。例如，同样的算法使用 Python 或 C++ 实现、使用 CPU 或 GPU 、使用本地 IDE 或力扣平台提交，运行时间都不同。
（跟常数无关）体现的是计算操作随数据大小 N 变化时的变化情况。假设算法运行总共需要「 1次操作」、「 100 次操作」，此两情况的时间复杂度都为常数级 O(1)O(1) ；需要「 N 次操作」、「 100N 次操作」的时间复杂度都为 O(N)O(N) 。
符号表示
根据输入数据的特点，时间复杂度具有「最差」、「平均」、「最佳」三种情况，分别使用 O ,Θ , Ω 三种符号表示。以下借助一个查找算法的示例题目帮助理解。

题目：输入长度为 N 的整数数组 nums ，判断此数组中是否有数字 7 ，若有则返回 true ，否则返回 false。
解题算法：线性查找，即遍历整个数组，遇到 7则返回 true 。

代码：

boolean findSeven(int[] nums) {
   for (int num : nums) {
       if (num == 7)
           return true;
   }
   return false;
}

概念定义
空间复杂度涉及的空间类型有：

通常情况下，空间复杂度指在输入数据大小为 N 时，算法运行所使用的「暂存空间」+「输出空间」的总体大小。

关注

专栏目录